论文部分内容阅读
随着科技的不断进步,能源及重要的化工原料对社会的发展及维系起着至关重要的作用。然而近年来,全国各地重要能源和化工产品原料盗窃破坏案件时有发生,不但造成了严重的经济损失和环境危害,甚至对人们的生命安全造成了巨大威胁。因此,对入侵的目标进行识别和监测预警,在维护重要能源和化工产品原料的安全性方面具有重要的现实意义。地面运动目标的识别是能源防盗预警中的一项信号处理任务和关键技术,具有重要的研究意义。振动信号作为地面运动目标信息的载体,具有典型的非平稳性,对其进行分析处理时,时频分析方法是一种有效的分析方法。近年来出现的经验模式分解(Empirical Mode Decomposition,EMD)时频分析方法具有很多优良特性,被广泛应用到了地面振动信号的特征提取中。本文分析了地层中多种类型的地震波及其传播机理,确定了以瑞利波作为地面目标活动信息的载体,设计相应的实验装置,采集了不同运动目标的振动信号。运动目标不同时其振动信号特征也会随之改变,通过对实验采集的信号进行预处理、特征提取和分类,可以实现对地面运动目标的识别。由于经验模式分解还处在“成长”阶段,仍在逐步改进和完善。针对EMD的模式混叠效应和实际获得信号的小样本特性,提出了一种基于总体平均经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)能量值的方法提取目标信号的特征,并将获得的特征向量输入到支持向量机(Support Vector Machine,SVM)分类器中进行地面运动目标分类识别。通过对实验数据的分析,获得了较高的平均识别率。此外,将该方法与基于EMD能量值与支持向量机相结合的方法进行对比,结果表明该方法具有更好的识别效果。由于经验模式分解存在端点效应和负频率现象等问题,而局域均值分解(Local Mean Decomposition,LMD)在该问题上有所改善,故采用LMD分别与近似熵、能量值结合的方法对地面运动目标信号进行特征提取,然后将特征向量输入到支持向量机分类器中进行识别分类。通过对实验采集数据的分析对比,验证了该方法的有效性。